研究方向与技术特色

    团队围绕负面情绪与情感障碍的发生机制、客观识别和精准调控开展系统研究，重点关注情绪如何由身体感觉、应激经历和认知加工产生，如何通过记忆过程持续影响行为，以及如何利用人工智能和神经调控技术实现客观评估与干预。通过融合人群脑影像、动物模型、多通道电生理、神经环路调控和机器学习，形成从基础机制解析、跨物种情绪识别到情感记忆重塑的完整研究体系。

1、负面情绪与情感障碍的脑机制

    团队研究负面情绪如何产生、持续，并进一步发展为焦虑、抑郁等情感障碍，重点关注身体感觉、应激经历、认知评价和情境记忆之间的相互作用。通过结合人群脑影像、大数据分析、动物模型、神经环路记录与调控等方法，解析海马、前额叶、扣带皮层及相关神经网络在情绪调节和疾病转化中的作用。

    团队以慢性疼痛向抑郁转化为代表性模型，发现大脑会经历由早期代偿性可塑向后期病理性重塑转变的“双相过程”。其中，海马齿状回中的新生神经元、小胶质细胞及局部兴奋—抑制平衡，是负面情绪由短期适应转向持续性情感障碍的重要机制。

    该方向旨在识别负面情绪病理化的关键时间窗口、脑区节点和细胞靶点，为慢性疼痛共病抑郁、焦虑障碍和应激相关疾病的早期预警、风险分层与精准干预提供理论基础。

2、基于人工智能的情绪状态识别与评估

    团队利用人工智能技术，对面部表情、眼动、耳部运动、身体姿态、语音和脑信号进行自动分析，建立客观、连续、可量化的情绪状态识别体系，将难以直接观察的情绪转化为可计算的行为和神经指标。

    在动物研究中，团队建立了小鼠面部表情与姿态识别平台，可区分正性、负性情绪及不同唤醒水平，并进一步揭示 VTA 不同类型神经元与情绪表达之间的对应关系。相关技术还可用于评估药物、疾病状态和神经调控引起的情绪变化。

    该平台可进一步拓展至灵长类和儿童，通过融合表情、姿态、眼动、EEG 和 fNIRS 等多模态信号，为自闭症、情绪障碍及其他精神疾病提供辅助评估工具，并用于追踪药物、行为训练和神经调控的干预效果。

。

3、情感记忆形成与重塑的脑机制

    团队研究情绪经历如何被编码、巩固和提取，以及负性情感记忆为何会持续、泛化或难以消退。通过结合行为学、多通道电生理、神经调控和计算建模，重点解析海马、压后皮层、前额叶、杏仁核和扣带皮层之间的信息交互。

    研究发现，记忆巩固并不是单向的海马向皮层传递，而是海马与皮层之间具有精确时间结构的双向协同过程。睡眠期间，海马 sharp-wave ripples 与皮层神经活动共同参与记忆重放和长期存储，为理解情感记忆的维持与更新提供了新的环路机制。

    该方向进一步关注恐惧消退、安全学习和负性记忆泛化，可为 PTSD、焦虑障碍、慢性疼痛相关负性记忆及记忆障碍提供新的干预策略，包括闭环神经调控、脑刺激和虚拟现实训练等。